谷歌 DeepMind 實(shí)驗(yàn)室推出的天氣預(yù)測(cè)大模型，已在 Science 雜志發(fā)表。
只需要不到 1 分鐘，它就能直接預(yù)測(cè)出未來(lái) 10 天的天氣。
準(zhǔn)確度上，它在 90% 的指標(biāo)上超越了最先進(jìn)的人類系統(tǒng)，在 AI 氣象模型中屬首次！
DeepMind 的這個(gè)氣象模型名叫 GraphCast，目前已經(jīng)開(kāi)源。
它的分辨率為 0.25 度經(jīng)度 / 緯度（在赤道處約為 28×28 公里），而目前的最高分辨率為 1 度。
這樣的分辨率相當(dāng)于將地球表面分割成了超過(guò) 100 萬(wàn)個(gè)網(wǎng)格，而每個(gè)網(wǎng)格又可以產(chǎn)生數(shù)百條預(yù)測(cè)數(shù)據(jù)，總計(jì)數(shù)量達(dá)到了上億規(guī)模。
不同于傳統(tǒng)的預(yù)測(cè)方式，GraphCast 預(yù)測(cè)主要依靠數(shù)據(jù)中的規(guī)律進(jìn)行預(yù)報(bào)，而不使用人類建立的物理方程。
相比于人類最準(zhǔn)確的 HRES 預(yù)報(bào)，GraphCast 在 1380 個(gè)測(cè)試指標(biāo)中，90% 的預(yù)測(cè)結(jié)果都更為準(zhǔn)確。
如果把預(yù)測(cè)范圍限制在對(duì)流層，GraphCast 擊敗 HRES 的指標(biāo)比例更是高達(dá) 99.7%。
YC 上有網(wǎng)友表示，用“impressive”已經(jīng)不足以形容這項(xiàng)成果了。
那么，GraphCast 的預(yù)測(cè)表現(xiàn)具體是怎樣的呢？
90% 指標(biāo)超越人類最好方法
在劃分出的 100 萬(wàn)多個(gè)網(wǎng)格上，GraphCast 劃分出的每個(gè)網(wǎng)格都能夠產(chǎn)生 227 條預(yù)測(cè)數(shù)據(jù)。
其中包括了 37 個(gè)不同高度上，每個(gè)高度的 6 個(gè)大氣變量（包括比濕度、風(fēng)速和風(fēng)向以及溫度等）。
在地球表面，GraphCast 還可以預(yù)測(cè)包括溫度、風(fēng)速和風(fēng)向以及平均海平面壓力等在內(nèi)的 5 個(gè)變量。
完整的變量種類和具體高度（以氣壓表示，單位：hPa）如下表所示：
為了比較 GraphCast 和 HRES 的表現(xiàn)，研究人員從歐洲中期天氣預(yù)報(bào)中心（ECMWF）的 ERA5 再分析數(shù)據(jù)中選取了 2018 年（GraphCast 訓(xùn)練數(shù)據(jù)截止 2017 年）的歷史數(shù)據(jù)。
研究者分別讓 HRES 和 GraphCast 站在當(dāng)時(shí)的情況下進(jìn)行“預(yù)測(cè)”，然后比較它們的“預(yù)測(cè)”和 ERA5 進(jìn)行比較。
在 500hPa 高度場(chǎng)上，GraphCast 的 RMSE（均方根誤差，數(shù)值越低表現(xiàn)越好）和 ACC（異常相關(guān)系數(shù)）指標(biāo)都顯著優(yōu)于 HRES。
而在研究人員選取的 50-1000hPa 的 1380 個(gè)數(shù)據(jù)點(diǎn)中，GraphCast 有 90.3% 優(yōu)于 HRES，89.9% 優(yōu)勢(shì)顯著（下圖 d 組中，藍(lán)色表示 GraphCast 優(yōu)于 HRES，越深優(yōu)勢(shì)越明顯）。
除了這些數(shù)據(jù)，GraphCast 在極端天氣的預(yù)測(cè)上也有明顯優(yōu)勢(shì)。
對(duì)于熱帶氣旋路徑，GraphCast 中位誤差低于 HRES，特別是在前 4.75 天開(kāi)始，優(yōu)勢(shì)開(kāi)始變得明顯（下圖 a、b）。
在根據(jù)大氣河流（Atmospheic River）進(jìn)行水汽通量預(yù)測(cè)時(shí)，GraphCast 的 RMSE 值也明顯低于 HRES（下圖 c）。
預(yù)測(cè)熱浪時(shí)，GraphCast 在提前 12 小時(shí)、5 天、10 天時(shí)，準(zhǔn)確度也都比 HRES 高（下圖 d）。
今年 9 月，GraphCast 成功在登陸前 9 天預(yù)測(cè)了北大西洋的颶風(fēng) Lee，而使用傳統(tǒng)方法最多提前 6 天預(yù)報(bào)。
GraphCast 不僅準(zhǔn)確度高，預(yù)測(cè)速度也非?？臁?/p>
在一臺(tái) Google TPU v4 機(jī)器上使用 GraphCast 進(jìn)行 10 天預(yù)測(cè)，只需不到一分鐘就能完成。
相比之下，使用 HRES 等傳統(tǒng)方法，即使在超級(jí)計(jì)算機(jī)上也要花費(fèi)數(shù)個(gè)小時(shí)。
那么，GraphCast 是如何實(shí)現(xiàn)高效準(zhǔn)確的氣象預(yù)測(cè)的呢？
不使用物理方程，預(yù)測(cè)全靠數(shù)據(jù)分析
工作流程上，輸入從 6 小時(shí)前開(kāi)始到當(dāng)前的氣象數(shù)據(jù)，GraphCast 就可以預(yù)測(cè)未來(lái) 6 小時(shí)的天氣。
而預(yù)測(cè)出的數(shù)據(jù)可以作為新的“當(dāng)前”態(tài)，繼續(xù)往后迭代預(yù)測(cè)，最長(zhǎng)可以預(yù)測(cè)到 10 天后的天氣狀況。
原理層面，GraphCast 使用機(jī)器學(xué)習(xí)方式和圖神經(jīng)網(wǎng)絡(luò)（GNN）架構(gòu)，其中包括編碼器和解碼器各一層，以及中間層 16 層，參數(shù)量為 3670 萬(wàn)。
它僅通過(guò)學(xué)習(xí)已有氣象數(shù)據(jù)實(shí)現(xiàn)預(yù)測(cè)，不依賴人類建立的物理方程。
GraphCast 將 0.25 度網(wǎng)格的氣象數(shù)據(jù)進(jìn)行編碼映射到神經(jīng)網(wǎng)絡(luò)，經(jīng)過(guò)傳遞計(jì)算后的結(jié)果再由解碼器還原為氣象數(shù)據(jù)。
訓(xùn)練時(shí)，GraphCast 使用的是來(lái)自 ERA5 數(shù)據(jù)集中的 1979-2017 這近四十年天氣的再分析數(shù)據(jù)，包括了衛(wèi)星圖像、雷達(dá)和氣象站測(cè)結(jié)果。
ERA5 是基于 4DVar 方法和同化觀測(cè)生成的全球最優(yōu)重構(gòu)資料，涵蓋時(shí)間從上世紀(jì) 40 年代至今，空間則覆蓋全球。
而如果使用更近期的數(shù)據(jù)，GraphCast 的預(yù)測(cè)結(jié)果準(zhǔn)確度還能繼續(xù)提高。
下一步，DeepMind 計(jì)劃構(gòu)建集合預(yù)報(bào)模型，以適應(yīng)實(shí)際情況中天氣的不確定性，進(jìn)一步增強(qiáng)預(yù)報(bào)準(zhǔn)確性。
論文地址：
https://www.science.org/doi/10.1126/science.adi2336
參考鏈接：
[1]https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/
[2]https://www.ft.com/content/ca5d655f-d684-4dec-8daa-1c58b0674be1
本文來(lái)自微信公眾號(hào)：量子位 （ID：QbitAI），作者：克雷西
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。